Microsoft ouvre les données du réseau électrique pour accélérer les IA énergétiques

Microsoft Research a annoncé ce vendredi 8 mai 2026 le lancement d'un jeu de données open source cartographiant la topologie du réseau de transmission électrique des États-Unis. L'initiative vise à lever l'un des plus grands obstacles à la recherche sur les systèmes énergétiques : le manque de données réalistes et accessibles pour former des modèles d'intelligence artificielle.

Résoudre la pénurie de données critiques

Traditionnellement, les informations sur l'infrastructure électrique sont classées comme données critiques et protégées par le secret de sécurité nationale. Cela obligeait les chercheurs à utiliser des réseaux de test simplifiés ou des modèles synthétiques qui ne reflètent pas la complexité réelle du système. Le nouveau pipeline de Microsoft utilise des données publiques de OpenStreetMap et des statistiques énergétiques pour construire des modèles géographiquement précis et électriquement cohérents.

Selon le post officiel sur le blog de Microsoft Research, le jeu de données couvre 48 États américains et inclut des interconnexions variant de 11 à plus de 20 000 bus. La capacité de simuler le flux d'énergie à l'échelle continentale permet aux ingénieurs d'étudier les congestions du réseau et la résilience du système face à de nouveaux pics de demande.

IA et l'avenir des centres de données

Le lancement se produit à un moment où l'industrie de l'IA générative fait face à une crise de consommation énergétique. Avec les nouveaux modèles exigeant des gigawatts de puissance, savoir exactement où le réseau électrique a une capacité inutilisée est vital pour le positionnement de nouveaux centres de données. Le jeu de données permet de réaliser des analyses de Flux de Puissance Optimal (AC-OPF), révélant des marges physiques que les données de prix de marché ne peuvent montrer.

En plus du jeu de données, Microsoft a mis à disposition GridSFM, un substitut basé sur l'apprentissage machine capable de prévoir les points d'exploitation du réseau en millisecondes. Cette combinaison de données ouvertes et de modèles neuronaux ouvre la voie pour que d'autres entreprises et centres de recherche développent des solutions pour gérer la charge électrique de manière autonome, réduisant le temps d'attente pour la connexion de nouvelles infrastructures IA.

Le code et les données sont déjà disponibles sur GitHub et sur le Hugging Face de Microsoft.